基于改进SUSAN算子的车道线检测算法

为了准确识别道路的车道线,采用45°Sobel边缘算子对中值滤波后的道路图像进行增强,进而采用SUSAN算子和Otsu算法相结合的方法将图像分割,利用分区Hough变换进行拟合,识别出车道线.实验结果表明,采用改进的SUSAN算子分割后的道路图像能够准确提取车道线参数,拟合出车道线,去除噪声,节省了后续Hough变换的时间,提高了算法的抗噪性能和实时性.     

一种基于Sobel算子的彩色图像边缘检测新算法

在研究灰度图像边缘检测方法的基础上,针对彩色图像的特点,提出了一种改进的Sobel算子边缘检测算法,并用MATLAB进行了仿真。仿真结果表明,直接利用Sobel算子对彩色图像进行边缘检测,得到的结果图像边缘比较模糊,而本文提出的改进算法,不但图像边缘比较清晰,而且还能有效降低图像的噪声,将Sobel算子边缘检测算法从灰度图像很好地移植到了彩色图像。     

基于中值滤波与Sobel、Canny算子的图像边缘检测研究

提出一种在噪声条件下将中值滤波与Sobel、Canny算子相结合进行图像边缘检测的方法。首先,采用中值滤波对图像进行平滑处理,再利用Sobel、Canny算子检测图像边缘。仿真实验表明,该方法对图像边缘检测精度较高,抗噪声性能强,可提高图像边缘检测效果。     

利用MATLAB进行数字图像的边缘检测

介绍了数字图像处理的主要研究领域及图像分割中的边缘检测方法即Sobel和 拉普拉斯算子法.介绍了MATLAB语言的主要特点;说明了Matlab语言适用于数字图像处理. 给出了相应程序及处理结果.说明采用拉普拉斯算子法的处理效果要优于Sobel算子法.     

一种黑片图像亚像素边缘检测方法

为了提高黑片图像边缘检测的精度,提出了利用亚像素边缘检测技术来检测黑片图像的边缘.针对Zernike矩的亚像素边缘检测算法存在计算量大和边缘定位精度低等不足,利用Sobel算子对图像进行像素级边缘提取,然后利用改进的Zernike矩算子来检测黑片图像的亚像素边缘,为了防止Sobel算子遗漏可能的亚像素点,增加了一个搜索算法来提高检测的精度.实验结果表明,该方法测量精度高,定位精确,能够应用于黑片的在线检测.     

基于CCD的公路路面病害检测技术研究

提出了一种适合于公路路面裂缝类病害检测的数字图像处理算法。通过对路面裂缝类病害图像特征的分析与研究，在经典的图像处理算法的基础上，改进了传统的滤波算子、边缘检测算子以及图像分割算法。文中对实际路面的横向、纵向和不规则裂缝进行处理和识别，得到的裂缝边缘图像清晰，裂缝边缘连续性好。     

动态图像边缘检测性能评价的实验研究

介绍了几种传统的边缘检测算子,给出了这几种边缘检测算子在静态图像上的检测效果,并以TMS320DM642DSP为实验平台,设计了一种可以用来检测动态图像边缘的实验装置,对动态图像进行边缘检测,得到了在不同速度下的图像边缘检测效果,并对不同算法的检测效果进行了比较,得出Sobel算子在动态图像边缘检测中具有优势,为边缘检测技术在动态图像处理中的应用提供一种方法参考.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法．该方法首先对彩色摄影机采集的交警手势图像进行预处理。包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法．试验结果表明。该方法能够实现对交警手势准确的识别．     

基于LVQ神经网络脑部CT边缘检测方法的研究

研究运用LVQ神经网络进行脑部CT图像边缘检测的方法,以提高边缘检测的准确度。使用传统的Sobel算法对脑部CT图像进行边缘检测,作为网络学习的教师信号,并将脑部CT图像的中值特征量、方向性信息特征量、Krisch算子方向特征量3项特征量作为LVQ神经网络的输入信号,进行网络训练后,再将训练好的网络进行边缘检测。在Matlab 2010平台下进行仿真对比,结果显示改进算法边缘检测结果与实际相符,比传统Sobel算法更具优越性。     

一种基于子像素级的边缘检测算法

首先应用数学形态学方法进行图像滤波,然后对Sobel边缘检测算子进行改进,并引入最小二乘拟合方法进行算法求精,从而构造出一种新的理论体系完备的子像素级边缘检测算法,从滤波、边缘定位、拟合求精等多个方面对传统的边缘检测算法加以改进,使其可以在诸如精密检测等多个应用领域发挥作用.     

3种光照条件下灰度图像边缘检测算法的研究

边缘检测对光照强度的反应很敏感,同一种算法很难对不同光照情况下的图像进行有效的边缘检测.通过对不同光照情况下的图像特征分析,提出了不同光照情况下的图像边缘检测算法：正常光照条件下采用Sobel算子进行边缘检测;弱光照条件时先用MSR（multi-scale retine）进行图像细节增强处理,再利用类别方差自动门限法得到图像边缘;强光照条件下通过灰度扩展,将所感兴趣的灰度范围放大得到图像的边缘.实例分析表明,该方法能够从灰度图像中获取较为理想的图像边缘,并具有一定的抗噪性能.     

移动机器人视觉导航

采用离散卷积的方法,利用Ｓｏｂｅｌ算子,Ｌａｐｌａｃｅ算子和梯度算子进行卷积．利用此３种方法均可实现边缘提取的目的,其中Ｓｏｂｅｌ算子的效果最佳．经过对实际图像的处理,证明了方法的可行性．通过对图像的边缘检测可以对障碍物进行定位从而实现导航的要求．     

基于边缘与灰度梯度的人眼特征定位分析

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位.首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域.试验表明,本方法能快速而精确地实现人眼特征的定位.     

一种简化PCNN模型在彩色图像边缘检测上的应用

提出了一种改进的彩色图像边缘检测方法来克服传统方法不考虑色度信息及噪声影响而产生漏检、错检边缘的不足．通过提取图像的颜色主轴来综合表示图像的亮度和色度信息,并将彩色图像降维成包含色度信息的灰度图像用以检测; 为了降低噪声对检测结果的影响,采用脉冲耦合神经网络(PCNN)模型．由于PCNN模型中的参数过多,不利于控制,故使用简化的PCNN模型来减少参数,达到比较好的控制．实验表明,这种基于颜色主轴的PCNN彩色图像边缘检测方法不仅能准确得到彩色图像的边缘信息,而且对噪声有很强的抑制作用．     

利用Sobel算子结合蚁群算法提取竹材的内外轮廓

传统的竹材加工过程中人工因素较多,通过信息化手段利用图像处理技术可以快速准确地获得竹材的参数数据.对竹材的横截面图像进行分析和处理,利用Sobel算子和蚁群算法相结合的边缘提取方法,从原始图像中成功的提取出了连续且粗细均匀的竹材截面的内外轮廓.利用提取的的轮廓图,提取出竹材内周长、外周长、内面积、外面积和壁厚,为竹材分类提供了准确有效的数据.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于多结构元素的数学形态学图像边缘检测

提出一种基于多结构元素的数学形态学图像边缘检测算法。利用边缘与噪声具有不同的形态,在进行边缘检测时,只需要先确定出梯度突变的像素点,然后再利用多结构元素对该像素点进行二值形态学的腐蚀操作,以确定该像素点是边缘点还是噪声点:若是噪声点则被滤除,若是边缘点则保留。为验证算法的效果,给出了本文算法和几种传统算子对图像进行边缘提取的实验结果。结果表明,该算法成功地完成了图像的边缘检测,且检测效果明显优于经典的Sobel算子和Canny算子。     

基于小波变换的近红外图像特征提取方法

提出用二次样条小波对近红外数字图像进行特征边缘提取,与传统边缘检测算子进行比较,并在Windows 平台的VC ＋ ＋6.0集成开发环境下编程实现.实验结果显示,当目标对比度下降到一定程度时,常规算子无法提取出弱目标,利用二次样条小波变换能够将近红外图像中弱目标的特征边缘提取出来,效果较好,且算法简单,效率较高.     

红外图像特征提取算法研究

预处理的作用是将获取的红外图像进行加工,恢复增强图像中有用的信息,弱化去除图像中没有用的干扰信息,提高红外图像质量,为图像特征的提取做准备,提高特征提取的精度。红外图像的特征提取是指采用人工或自动的方法检测图像中的不变特征,如边缘、角点、轮廓等。根据不同的特征用不同的算子进行图像特征的提取：图像的线特征用Hough变换来提取,边缘特征通过Sobel算子和Canny算子进行提取,提取到图像的特征之后与基准图进行配准,不仅配准精度有很大程度的提高,而且运算量大大减小。